假设我有这段代码
df= rn.read_sql(sql,conn)
data = df.as_matrix(['TOT_CLM_GROSS_AMT','Gross_Amt_per_SRV','TOT_CLM_NET_AMT'])
db = DBSCAN(eps=15, min_samples=200).fit(data)
异常值是：
outliers_df= pd.DataFrame(data)
outliers = outliers_df[db.labels_==-1]
我能知道为什么 DBSCAN 会考虑异常值吗？它们的标准是什么？我可以通过 DBSCAN 知道吗？
【问题讨论】：
标签： python scikit-learn cluster-analysis outliers dbscan
DBSCAN 算法是一种基于密度 的算法。它查看邻域中数据点的密度，以确定它们是否属于同一个集群。如果一个点与所有其他点相距太远，则将其视为异常值，并为其分配标签-1。
基本上你有一个半径和一些邻居。该算法会找到距离给定点更接近半径的所有点，如果它们大于邻居的数量，则将它们视为与核心点相同的集群的一部分。您还可以拥有非核心点集群成员，前提是它们距离核心点的距离小于半径，但其邻域包含的邻域数量少于指定数量。
算法随机开始检查数据点上的这些条件，创建集群并可能将紧密的集群合并在一起。
你可以看看wikipedia page on DBSCAN或this blog post。
该算法的另一个变体是 HDBSCAN，它是分层版本。在包hdbscan 中调用了一个优化的python 实现，您可能想尝试一下。
这表示您的问题可能更适合ComputerScience StackExchange 或与数据科学相关的 StackExchanges 之一。
【讨论】：
噪声不与异常值相同。
噪声点是低密度点。形式上，没有相邻点足够密集的点（否则它们将成为边界点）。
与异常值的区别在于：异常值应该是稀有。根据参数，所有点都可能是噪声。
【讨论】：